Dolphin AI: چک‌لیست تولید برای LLMهای بدون سانسور

سیاست محتوای بدون سانسور را تأیید کنید

بله، مدل موضوعات بزرگسالان قانونی، داستانی، پژوهش امنیتی یا بحث‌برانگیز را رد نمی‌کند.

برخلاف مدل‌های زبانی بزرگ (LLM) استاندارد که فیلترهای امنیتی پنهان اعمال می‌کنند، یک مدل هوش مصنوعی بدون سانسوم به شما امکان می‌دهد محتوای NSFW تولید کنید یا موارد مرزی را بدون ردشدن‌های غیرمنتظره کاوش کنید. باید این موضوع را با ارسال درخواستی که معمولاً در مدل‌های تجاری باعث مسدود شدن امنیتی می‌شود، بررسی کنید. اگر پاسخ به جای یک رد، متن را بازگرداند، سیاست‌ها طبق انتظار عمل می‌کنند. توجه داشته باشید که یک محدودیت سخت‌گیرانه محتوا همواره اعمال می‌شود: درخواست‌هایی که شامل محتوای جنسی با کودکان هستند، رد می‌شوند. این یک مرز قانونی استاندارد است، نه یک فیلتر سبک‌شناختی.

هنگام آزمایش، از Promptهایی استفاده کنید که از نظر فنی معتبر اما از نظر اجتماعی محدودکننده هستند. این تأیید می‌کند که مدل واقعاً Uncensored برای مورد استفاده خاص شما است. به یاد داشته باشید، این فقط برای تولید متن اعمال می‌شود. تولید تصویر یا صدا وجود ندارد، بنابراین قابلیت Uncensored فقط برای متن است.

بررسی محدودیت‌های پنجره زمینه

بله، پنجره متن از ۱۰۰,۰۰۰ توکن برای ورودی و خروجی به‌طور ترکیبی پشتیبانی می‌کند.

این پنجره بزرگ به شما امکان می‌دهد اسناد گسترده یا مکالمات طولانی را در یک درخواست پردازش کنید. با این حال، باید محدودیت خروجی حداکثر را در نظر بگیرید. می‌توانید تا 16,000 توکن در هر پاسخ درخواست دهید. اگر تنظیم نکنید max_tokens پارامتر، مدل به طور پیش‌فرض ۲,۰۴۸ توکن در نظر می‌گیرد. این تمایز برای وظایف تولید متن طولانی حیاتی است.

هنگام طراحی برنامه خود، مطمئن شوید که کتابخانه کلاینت شما پاسخ‌های طولانی را به درستی مدیریت می‌کند. استریم اغلب برای مدیریت مصرف حافظه برای خروجی‌های بزرگ ضروری است. محدودیت 100,000 توکن به اندازه کل درخواست اعمال می‌شود. این بدان معناست که ورودی شما و خروجی تولید شده این بودجه را به اشتراک می‌گذارند. استفاده از توکن‌های خود را به طور مناسب برنامه‌ریزی کنید تا از کوتاه شدن یا خطاها جلوگیری کنید.

تایید پشتیبانی از streaming

بله، Streaming از طریق رویدادهای ارسال‌شده از سرور (SSE) پشتیبانی می‌شود.

استریمینگ به شما امکان می‌دهد توکن‌ها را همان‌طور که تولید می‌شوند دریافت کنید که تاخیر ادراک‌شده برای کاربران را کاهش می‌دهد. این موضوع برای رابط‌های چت و برنامه‌های بلادرنگ ضروری است. API اطلاعات استفاده از توکن‌ها را در آخرین قطعه استریم برمی‌گرداند. این موضوع تضمین می‌کند که می‌توانید هزینه‌ها را حتی هنگام استریمینگ به دقت ردیابی کنید.

برای پیاده‌سازی این مورد، از stream پارامتر را در درخواست خود تنظیم کنید. کتابخانه کلاینت شما باید جریان SSE را به‌درستی مدیریت کند. همه SDKها پخش زنده را به یک اندازه خوب مدیریت نمی‌کنند. پیاده‌سازی خود را تست کنید تا مطمئن شوید توکن‌ها را حذف نمی‌کند یا نمایش را به تأخیر نمی‌اندازد. پخش زنده یک ویژگی استاندارد در APIهای LLM مدرن است. این موضوع تجربه کاربری را برای پاسخ‌های طولانی به‌طور قابل توجهی بهبود می‌بخشد.

قابلیت‌های فراخوانی تابع را تست کنید

بله، فراخوانی تابع با tools و tool_choice پشتیبانی می‌شود.

فراخوانی تابع به مدل اجازه می‌دهد تا داده‌های ساختاریافته‌ای خروجی دهد که برنامه شما می‌تواند آن‌ها را اجرا کند. این برای ساخت عامل‌ها یا جریان‌های کاری پیچیده حیاتی است. شما ابزارها را در درخواست تعریف می‌کنید و مدل با یک شیء JSON ساختاریافته شامل نام تابع و آرگومان‌ها پاسخ می‌دهد.

این مورد را با تعریف یک ابزار ساده، مانند جستجوی آب‌وهوا یا یک ماشین‌حساب، تست کنید. درخواستی ارسال کنید که ابزار را فعال کند. بررسی کنید که مدل نام تابع و آرگومان‌های معتبری را خروجی می‌دهد. این تأیید می‌کند که مدل اسکمای ابزار را درک می‌کند. فراخوانی تابع (Function calling) ویژگی کلیدی برای کاربردهای پیشرفته LLM است. اطمینان حاصل کنید که کتابخانه کلاینت شما پاسخ را به‌درستی تجزیه می‌کند.

پایداری حالت JSON را اعتبارسنجی کنید

بله، حالت JSON از طریق response_format پارامتر.

تنظیم response_format به json_object مدل را مجبور به خروجی JSON معتبر می‌کند. این برای تجزیه داده‌های ساختاریافته بدون تکیه بر فراخوانی تابع مفید است. تضمین می‌کند که خروجی قابل خواندن توسط ماشین باشد. این ویژگی برای استخراج داده‌های ساختاریافته پایدار و قابل اعتماد است.

این مورد را با ارسال پرامپتی که ساختار JSON خاصی را نیاز دارد، تست کنید. بررسی کنید که خروجی بدون خطا به‌درستی تجزیه می‌شود. حالت JSON برای یکپارچه‌سازی LLMها در سیستم‌های موجود ضروری است. این حالت نیاز به پردازش پسین برای اصلاح خروجی‌های نادرست را کاهش می‌دهد. اطمینان حاصل کنید که برنامه شما خطاهای تجزیه JSON را به‌شایستگی مدیریت می‌کند.

شفافیت قیمت‌گذاری را مرور کنید

بله، قیمت‌گذاری شفاف است و صورت‌حساب‌دهی بر اساس توکن مشخص است.

هزینه $0.15 به ازای هر 1 میلیون توکن ورودی و $0.50 به ازای هر 1 میلیون توکن خروجی است. هزینه پنهان یا قفل اشتراک وجود ندارد. شما فقط بابت آنچه استفاده می‌کنید هزینه می‌پردازید. خطاها و رد شدن‌ها رایگان هستند که ریسک تست را کاهش می‌دهد. این مدل یک API LLM ارزان برای موارد استفاده با حجم بالا است.

اعتبار پیش‌پرداخت بر اساس مصرف واقعی توکن‌ها محاسبه می‌شود. اعتبار هرگز منقضی نمی‌شود. این با مدل‌های اشتراکی متفاوت است که صرف‌نظر از مصرف، ماهانه هزینه دریافت می‌کنند. می‌توانید هر زمان شارژ کنید. قیمت‌گذاری ساده و قابل پیش‌بینی است. هزینه‌های خود را بر اساس حجم توکن مورد انتظار محاسبه کنید. این شفافیت به شما کمک می‌کند بودجه پروژه‌های خود را به دقت مدیریت کنید.

بررسی انعطاف‌پذیری پرداخت

بله، پرداخت انعطاف‌پذیر است اما محدود به ارزهای دیجیتال است.

می‌توانید با USDT روی شبکه TRC20 یا USDC روی شبکه Base شارژ کنید. حداقل مبلغ ۲۰ دلار و حداکثر آن ۵۰۰ دلار است. برای شارژهای بزرگ‌تر اعتبار پاداش وجود دارد: +۵٪ برای ۵۰ دلار، +۱۰٪ برای ۱۰۰ دلار و +۱۵٪ برای ۲۰۰ دلار. این امکان به شما اجازه می‌دهد API را بدون تعهد آزمایش کنید. ثبت‌نام از طریق گوایل یا ایمیل انجام می‌شود. کلید API بلافاصله نمایش داده می‌شود. این فرآیند ساده‌شده، اصطکاک را برای توسعه‌دهندگان کاهش می‌دهد. مطمئن شوید درگاه پرداخت شما از ارزهای دیجیتال مشخص شده پشتیبانی می‌کند. اعتبارات پاداش ارزش افزوده‌ای برای کاربران سنگین ایجاد می‌کند.

حریم خصوصی و استفاده از داده‌ها را بررسی کنید

بله، داده‌های شما خصوصی است و برای آموزش استفاده نمی‌شود.

هنگام ارسال درخواست، پرامپت‌ها برای آموزش مدل استفاده نمی‌شوند. این برای داده‌های انحصاری یا محتوای حساس حیاتی است. حساب کاربری فقط به یک آدرس ایمیل نیاز دارد. شماره تلفن لازم نیست. این جمع‌آوری داده‌های شخصی را به حداقل می‌رساند. شما کنترل کاملی بر داده‌های خود دارید.

این را با بررسی شرایط خدمات یا مستندات API تأیید کنید. اطمینان حاصل کنید که کتابخانه مشتری شما پرامپت‌ها را به صورت غیرضروری ثبت نمی‌کند. حریم خصوصی نگرانی اصلی کاربران سازمانی است. ماهیت بدون سانسور مدل به این معنی است که می‌توانید محتوای حساس را بدون ترس از استفاده برای آموزش ارسال کنید. این یک مزیت قابل توجه نسبت به مدل‌های تجاری است که از داده‌ها برای بهبود استفاده می‌کنند.

محدودیت‌های نرخ و همزمانی را آزمایش کنید

بله، محدودیت‌های نرخ روی 300 درخواست در دقیقه و 8 درخواست همزمان کلید تنظیم شده‌اند.

این امکان برای برنامه‌های با ظرفیت بالا فراهم می‌شود بدون محدودیت‌های بیش‌ازحد. محدودیت حجم بدنه درخواست ۸ مگابایت است. این از ورودی‌های بزرگ پشتیبانی می‌کند. برای هر حساب تنها یک کلید فعال مجاز است. کلید جدید جایگزین کلید قبلی می‌شود. این مدیریت کلیدها را ساده‌تر می‌کند.

برنامه خود را تحت بار آزمایش کنید تا اطمینان حاصل کنید که این محدودیت‌ها را به‌درستی مدیریت می‌کند. منطق تلاش مجدد را برای خطاهای محدود نرخ پیاده‌سازی کنید. محدودیت همزمانی برای پردازش موازی مهم است. مطمئن شوید کتابخانه کلاینت شما به این محدودیت‌ها احترام می‌گذارد. این کار از بارگذاری بیش‌ازحد API جلوگیری کرده و عملکردی ثابت را تضمین می‌کند. محدودیت 8 مگابایت برای بیشتر موارد استفاده کافی است.